【10940】-机器学习算法模型推导及项目实战
第1节机器学习介绍
1.1机器学习、大数据、数据挖掘的区别和联系.mp4
1.2分类、回归和聚类的理论.mp4
1.3机器学习的流程数据预处理.mp4
1.4案例：通过广告投放预测产品销量.mp4
机器学习课件及代码.zip
第2节K-NN最近邻
2.1KNN介绍.mp4
2.2欧式距离以及KNN实现.mp4
2.3KNN的决策边界.mp4
2.4通过交叉验证选择K.mp4
2.5特征缩放.mp4
2.6二手车估价案例.mp4
2.7KNN的延伸内容（Optional）.mp4
第3节线性回归与逻辑回归
QA.mp4
逻辑回归1.mp4
逻辑回归2.mp4
线性回归1.mp4
线性回归2.mp4
第4节朴素贝叶斯
4.1朴素贝叶斯的核心思想.mp4
4.2垃圾邮件分类-01.mp4
4.3垃圾邮件分类-02.mp4
4.4手推一个完整的例子.mp4
4.5文本表示-01.mp4
4.6文本表示-02.mp4
第5节SVM支持向重机
5.1SVM-01.mp4
5.2SVM-02.mp4
5.3SVM-03.mp4
5.4SVM-04.mp4
第6节决策树与随机森林
6.1决策树01.mp4
6.2决策树02.mp4
6.3随机森林01.mp4
6.4随机森林02.mp4
6.5随机森林03.mp4
第7节K-means
7.1聚类分析.mp4
7.2kmeans算法.mp4
7.3kmeans算法过程及特性.mp
7.4kmeans的实现.mp4
7.5kmeans案例.mp4
7.6kmeans的目标函数.mp4
7.7K值如何选择.mp4
7.8其他聚类算法及问答.mp4
第8节矩阵分解
8.1Recommender.mp4
8.2矩阵分解推荐系统-代码演示.1.mp4
8.3矩阵分解推荐系统-代码演示.2.mp4
第9节Boosting
9.1XGBoost.mp4
9.2训练模型.mp4
9.3使用泰勒级数近似目标函数.mp4
9.4新的目标函数.mp4
9.5寻找最好的Split.mp4
第10节主题模型
10.1主题模型.mp4
10.2MLEvsMAPvsBayesian.mp4
10.3从生成的角度来看LDA.mp4
10.4计算模型的参数.mp
